ЦИФРОВІ СЕНСОРНІ ЛАБОРАТОРІЇ ЯК ІНСТРУМЕНТ НАВЧАННЯ ФІЗИЧНИХ ОСНОВ IOT-СИСТЕМ
DOI:
https://doi.org/10.31110/2616-650X-vol14i3-019Ключові слова:
фізичні основи IoT-систем, технічні засоби навчання, цифрові лабораторії, набір мікроконтролерів, смартфон як сенсорна платформа, похибка і невизначеність вимірювання, підготовка в ІТ, фізична освіта, професійна освітаАнотація
Стаття розкриває можливості використання цифрових сенсорних лабораторій як технічних засобів навчання для формування розуміння фізичних основ IoT-систем. Фокус зроблено на двох найбільш доступних інструментальних конфігураціях: наборах мікроконтролерів (Arduino/ESP32 із сенсорними модулями) та смартфоні як сенсорній платформі (IMU/мікрофон/камера тощо). Огляд виконано у форматі концептуально орієнтованого scoping review, що дозволяє поєднати інженерні та педагогічні джерела з метрологічними й стандартами протоколів передавання даних. Основним результатом дослідження є матриця відповідності «фізична концепція - тип технічного засобу навчання - артефакт даних - IoT-інтерпретація», яка систематизує, як через згадані інструментальні конфігурації опрацьовуються сенсорний принцип, похибка й невизначеність, калібрування й дрейф, шум і фільтрація, дискретизація та квантування, динамічний діапазон, часові мітки й синхронізація, надійність каналу передавання і компроміси енергоспоживання. Наукова новизна дослідження полягає у поданні цих практик у вигляді матриці, придатної для проєктування занять з наперед заданою логікою переходу від фізики вимірювання до системних наслідків для IoT-даних (якість, стабільність, затримка, пропуски), без апеляції до емпіричної перевірки ефективності. Перспективи подальших розвідок пов’язані з емпіричною перевіркою того, як запропонована матриця працює в реальних освітніх умовах: доцільно оцінити, чи покращує вона якість пояснень здобувачів освіти та їхню здатність аргументувати висновки на основі даних, а не на рівні інтуїтивних суджень; варто провести аналіз того, як це впливає на формування критичного ставлення здобувачів освіти до якості даних (чи допомагають здобувачам освіти реальні вимірювання на смартфонах краще усвідомити роль умов середовища, а керованість вимірювань на мікроконтролерах – краще зрозуміти процедуру і межі точності).
Посилання
Дємєнтьєв, Є., & Юрченко, А. (2025). Використання відкритих освітніх платформ для формування інженерного мислення у курсах мікроелектроніки. Освіта. Інноватика. Практика, 13(6), 98–103. https://doi.org/10.31110/2616-650X-vol13i6-013
Здещиц, В., Здещиц, А., & Пирховка, К. (2024). Вимірювання кута відриву тіл під час їх руху по сферичній поверхні. Фізико-математична освіта, 39(3), 53–60. https://doi.org/10.31110/fmo2024.v39i3-07
Федчишин, О., Мохун, С., & Чопик, П. (2023). Віртуальний фізичний експеримент як засіб удосконалення фахових компетентностей здобувачів освіти в умовах дистанційного навчання. Фізико-математична освіта, 38(2), 50–55. https://doi.org/10.31110/2413-1571-2023-038-2-008
Шамоня, В. Г., Момот, Р. А., & Семеніхіна, О. В. (2025). Візуальні методи навчання основ мікроелектроніки і архітектури комп’ютера: використання віртуального середовища Proteus. Вісник Луганського національного університету імені Тараса Шевченка. Педагогічні науки, (3), 90–96. https://doi.org/10.12958/3083-6514-2025-3-90-96
Andersson, R., Bermejo-García, J., Agujetas, R., Cronhjort, M., & Chilo, J. (2024). Smartphone IMU sensors for human identification through hip joint angle analysis. Sensors, 24(15), 4769. https://doi.org/10.3390/s24154769
Arksey, H., & O’Malley, L. (2005). Scoping studies: Towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19–32. https://doi.org/10.1080/1364557032000119616
Bakare, M. S., & Abubaker, K. (2026). IoT-based indoor environmental monitoring system using multi-parameter sensing and ESP32-WROOM integration. Discover Electronics, 3, Article 6. https://doi.org/10.1007/s44291-026-00157-3
Cerrato-Alvarez, M., Frutos-Puerto, S., & Pinilla-Gil, E. (2023). Use of uncertainty calculation software as a didactic tool to improve the knowledge of chemistry students in analytical method validation. Journal of Chemical Education, 101(1), 104–112. https://doi.org/10.1021/acs.jchemed.3c00102
Christonasi, P., & Kotsis, K. T. (2026). Smartphone-based experimentation for teaching linear motion in primary education. EIKI Journal of Effective Teaching Methods, 4(1). https://doi.org/10.59652/v2df0630
Czekalski, P., Tokarz, K., Kuaban, G. S., Sell, R., Nikitenko, A., Berkolds, K., & Lipka, Ł. (2025). Design and implementation of a next-generation remote lab for IoT and Industry 4.0. Procedia Computer Science, 270, 387–396. https://doi.org/10.1016/j.procs.2025.09.157
Garefalakis, M., Kamarianakis, Z., & Panagiotakis, S. (2024). Remote laboratory for developing an IoT system. In Proceedings of the 28th Pan-Hellenic Conference on Progress in Informatics and Computing (PCI ’24). Association for Computing Machinery. https://doi.org/10.1145/3716554.3716602
Hercog, D., Lerher, T., Truntič, M., & Težak, O. (2023). Design and implementation of ESP32-based IoT devices. Sensors, 23(15), 6739. https://doi.org/10.3390/s23156739
International Organization for Standardization & International Electrotechnical Commission. (2018). ISO/IEC 30141:2018 — Internet of Things (IoT) — Reference architecture. ISO.
Joint Committee for Guides in Metrology. (2008). Evaluation of measurement data — Guide to the expression of uncertainty in measurement (JCGM 100:2008). BIPM.
Joint Committee for Guides in Metrology. (2012). International vocabulary of metrology — Basic and general concepts and associated terms (VIM) (JCGM 200:2012). BIPM.
Morawski, R. Z. (2025). Teaching measurement science and technology in the times of pervasive AI. Measurement: Sensors, 38(Suppl.), 101315. https://doi.org/10.1016/j.measen.2024.101315
OASIS. (2019). MQTT Version 5.0 (OASIS Standard). OASIS Open.
Taylor, B. N., & Kuyatt, C. E. (1994). Guidelines for evaluating and expressing the uncertainty of NIST measurement results (NIST Technical Note 1297). National Institute of Standards and Technology.
Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K. K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C., … Straus, S.E. (2018). PRISMA Extension for Scoping Reviews (PRISMA-ScR): Checklist and explanation. Annals of Internal Medicine, 169(7), 467–473. https://doi.org/10.7326/M18-0850
Yurchenko, A., Proshkin, V., Naboka, O., Shamonia, V., & Semenikhina, O. (2023). The use of digital technologies in education: The case of physics learning. International Journal of Research in E-learning, 9(2), 1–25. https://doi.org/10.31261/IJREL.2023.9.2.02
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Володимир Шамоня, Максим Сорока
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
- Автори передають журналу право першої публікації свого рукопису на умовах ліцензії Creative Commons ("Із зазначенням авторства - Некомерційне використання") 4.0 Міжнародна (CC BY-NC 4.0), котра дозволяє іншим особам вільно використовувати (читати, копіювати і роздруковувати) представлені матеріали, здійснювати пошук та посилатись на опубліковані статті, поширювати їх повний текст з будь-якою законною некомерційною метою (у тому числі, з навчальною або науковою) та обов'язковим посиланням на авторів робіт і первинну публікацію у цьому журналі.
- Опубліковані оригінальні статті в подальшому не можуть використовуватись користувачами (окрім авторів) з комерційною метою або поширюватись сторонніми організаціями-посередниками на платній основі.
